避开五大坑，做出彩的数据分析

要做出优秀的数据分析项目，核心是拒绝闭门造车，结合业务需求，从低到高进化。 做项目不仅是项目经理的职责，数据分析师也可以做自己的数据分析项目。 今天，让我们用一个具体的场景来分析如何让项目闪耀。 场景还原： 互联网企业B2B业务发展团队主要通过电话营销联系潜在客户。呼叫列表管理混乱。只有客户企业名称和联系电话两个字段，销售成功率极低；而且团队管理混乱，只记录交易金额，没有记录未交易的原因，也没有后续记录。业绩完成差，团队流失严重，领导焦虑。 问题1(选择题) 您是企业的数据分析师，此时您将： A. 认真分析月报成功率低的原因，写20页整改建议 B. 月报只列数字，等着他们来找你谈合作 (题目简单，思考一秒钟) 经过上一篇文章的教育，大家都选择了B。是的，这一幕中的问题根本是业务管理混乱造成的，数据能帮上忙就见鬼了。 如果业务本身没有意识到痛苦，只有数据分析师是外人blablabla，没人注意。所以，不要做这种不讨好的事。 退一步说，即使你做了，人们听了你的建议，效率也提高了，这也是业务的一大功夫，关系到你的分析。 你怎么证明他们听了？ 人们会说：我早就想到了你不说我也知道。 因此，最好的策略是等他们来找，建立项目。比如销售业绩提升项目成立项目组，发邮件通知老板正式开工，Ok，走起！ 问题2(判断题) 现在团队领导找到你，决定开始项目，你把项目目标定为提高销售成功率，对还是错？ A. 对 B. 错 (题目简单，思考一秒钟) 这是很多做分析的学生的常见问题:把最终目标当成眼前目标。或者根本不知道业务目标是什么，只是凭感觉说:我们是电商，要提GMV我们做增长，所以要做DAU”…… 请注意:在管理混乱、数据不足、团队跑路的情况下，希望写200行代码，发布PPT拉动业绩是完全不现实的。 因此，除了提高销售成功率外，还应与业务领导认真交谈。 比如： 论证改进结果需要时间，争取时间； 论证目前无法改进和降低KPI； 探索稳定团队的做法，稳定军心； 找到一些成功的基准，总结经验。 其实业务领导往往首先想到的是资源，其次想到的是调整KPI，第三个想法是找到一个案例。其他人真的不想听你说：活动率很低，想要！做！高！因此，梳理目标，确定一、二级目标，非常重要，所以这个问题的选择B。 问题3(选择题) 确认一级目标：提高销售成功率；二级目标：寻找成功的销售经验。 有人立刻跳出来说：你没做过销售，你怎么分析？ 问：怎么办？ A. 通过数据分析最佳销售方法 B. 承认自己不懂 (题目简单，思考一秒钟) 这是许多做分析的学生经常遇到的问题：希望数据能直接计算出最好的解决方案。有这个想法的学生经常被使用：你交易了多少个订单？你能做到，你能做到。 在谈到如何做时，数据分析的作用并不是计算出最好的解决方案。因为每一个成功的案例都必须有不可复制的独特优势，比如销售。有些人天生聪明，天生形象好，人们喜欢。你不能避免这些。 数据分析的作用是分析具体案例，区分可复制部分和不可复制部分。将可复制部分沉淀为经验，提取不可复制的特征，并在未来找到更多类似的特征。 例如，如果我们发现当地的销售交易很高，所以让每个城市在当地招聘高外表水平的女孩；如果是特殊的时间，特殊的行动要做，让别人复制这个操作。 数据分析不擅长销售商品，而是总结经验，寻找特征。因此，这个问题的选择B。 问题4(看图说话) 根据项目计划，我们区分销售业绩，看看谁做得好。假设一个月基本工资1300，每笔佣金250，以下两层哪个好用？ A. 图1 B. 图2 (题目稍复杂，思考一分钟) 这个问题不是如何分层，而是一个基本的想法：根据业务需要找到分类标准。 例如，在这个例子中，一个大问题是团队损失严重。人均订单10单、8单、4单可能在统计数据上有所不同，但在业务上没有区别。一个推销员，无论是10还是8，都赚不到一个月的生活费，他仍然会逃跑。但25个订单可以让他赚到25个*250 1300=7550的收入对电话小哥来说是可观的。 这是数据分析和数据挖掘的核心区别。我们建立数据模型是为了模拟现实，所以我们可以处理一些数据，虚拟填充一批数据，无论如何，这是为了整体效果。 做数据分析有独特的效果:可以引导业务部门创造不存在的情况。比如业务认为每月至少有20%的骨干能赚7500，团队才会稳定，现有的工资制度、操作制度、招聘流程都可以改变，打破了现状。 因此，做数据分析，往往更注重业务的指导意义，找到标准，找到满足业务需求的标准。因此，这个问题的选择B。 问题五(看图说话) 或者上图，如果采用B图分层，能否锁定第一层就是业务标杆，进行深入研究： A. 能 B. 不能 (题目稍复杂，思考一分钟) 答：不能。 因为我不知道这些人的表现是好的，可持续的还是偶尔的。如下图所示，一个月内选出的获胜者有四种不同的趋势： 注：一般来说，为了方便取数，我们不会一次获取所有数据。因此，推广项目往往是从案例到普遍，从单月到全年，逐步输出结果。一方面，它可以提高效率，防止项目长时间失败；另一方面，短期紧急情况更容易解释。如果你想知道你是否真的找到了规则，你必须从短期推广到长期推广。 例如，在这个例子中，我们可以从一个月的表现中选择标准基准，然后看看它们的稳定性。从而解释更丰富的业务意义，并建立下一个分析假设。有了分析假设，我们可以继续进行更深入的分析。 实际背景 这个话题是陈老师做的内训题目之一。原题提示不多，只有六个字段: 业务员ID 客户汉字名称 客户联系电话 是否成交 成交时间 成交金额 很多同学看完一脸懵逼:卧槽分析什么，什么都没有。 但他真的是很多公司的现状，挂着互联网企业的名字，实际管理比传统企业落后。 从解决问题的步骤来看，只要目标设定合理，一步一步，仍然可以产生许多有用的结论。即使最终发现销售是非常随机的，它也是对业务的巨大支持，至少在未来可以很好地招聘人才，从事海洋战术。当然，如果你能总结出一套基准词，这是一个更理想的结果。 而且，并不是所有的数据都无法获得。例如，我们真的选择了基准，他的脚本，联系客户的时间，跟进次数可以记录和补充。 基于这些分析结果，我们可以进一步促进系统升级。有了更好的系统，业务不仅可以提高效率，还可以有更多的数据分析材料，每个人都会受益。 既然提到数据采集，问题又来了。从哪里开始？ 问题6(排序题) 经过第一阶段的分析，业务认可复制基准的做法，为了进一步改进数据，下面的数据需要系统的支持，优先级是： A. 爬爬虫客户详细信息 B. 将销售员简历输入系统 C. 上CRM记录销售人员的操作 D. 完善客户信息表，让销售人员填写 (题目稍复杂，思考一分钟) 尽管如此，请注意ABCD所有选项都需要系统，但数据本身的获取难度、业务支持和有用性是不同的： 简历:格式化程度最高，不卖手，污染可能最小。 CRM数据：直接记录操作，无需销售手。 信息表：需要销售的手，必须有配套的管理措施。 爬虫：看似可做，但数据质量稳定性难以保证(特别是本例，B2B与电子商务销售和评论不同，商业数据可能非常分散。 因此，从易到难，排就是B≥C≥D≥A。 举个例子，只是为了提醒你：不要沉迷于技术，因为我们在做技术。 许多技术工具需要支持系统，以确保数据不受污染。此时，我们应该与业务合作，考虑技术的可用性和便利性。 有些弟弟太沉迷于数据，会使业务流程非常复杂，数据表有太多的字段，销售人员随意处理，最后坑或自己。 小结 敲黑板，画重点: 在最后一篇文章中，我们列出了制作优秀数据分析项目的五个关键点。本文总结了优秀数据分析项目的五个坑点： 没有立项，没有共识，只谈数据，不能落地； 不能直接以最高目标为目标； 生搬硬套模型，结果数据不足，动弹不得； 一次太复杂，结果出不来； 没有一步一步的迭代，结果是一个接一个的PPT。 要避免这些坑，核心是：拒绝闭门造车，结合业务需要，从低到高进化。 在此过程中，需要大量的需求洞察力、沟通与合作，使业务测试分析结果，最终消除虚假，促进业务进化。 这就是为什么网上的泰坦尼克、波士顿房价、美国信用卡和猫眼电影评论不是项目。这些所谓的网络名人项目只是运行一个数据表。 此外，许多自学者并没有自己运行这个数据表，代码是在网上复制的。除了打字能力（和阅读英语单词的能力）外，还没有任何沟通、需求分析、方案制定、结果测试、迭代升级过程。虽然这些网络名人项目将被命名为人工智能、21天年薪100万，但你只是在娱乐自己。 凶猛的将军必须从中风开始，首相必须从州县开始。一个好的数据分析师不是一开始就玩模型，而是能够从数据细节中解释企业的问题；基于最简单的数据基础，可以设计可行的方法来帮助业务从低端升级到高端。这是一个好的数据分析师的真正作用。 然而，一些学生会说：老师，这个场景是业务的痛点，来找我们解决。但另一个场景是：业务本身不知道你想要什么？然后问我们，你必须解释一些我们不知道和非常重要的事情。 这个时候，我该怎么办？这个以后再说。 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营合作伙伴提供便利。网站收集的公共内容来自互联网或用户提交，这并不意味着网站同意其观点，也不对网站内容的真实性负责。如有侵权行为，请联系网站管理员删除，。